大模型：资本盛宴下的生意逻辑与挑战

在ChatGPT发布三年之际，中国两大AI大模型创业公司Minimax和智谱几乎同时上市，估值高达60亿美金，且上市后股价暴涨，带动整个AI应用市场的普涨。然而，深究两家公司的财务报表，却是一个“亏损无底洞”的写照。

一边是全球大模型价格疯涨，大宗商品纷纷卷入，一边是模型研发的无底洞投入，冰火交织之下，不禁让人好奇：大模型究竟是一种怎样的生意？

此次，我们结合Minimax和智谱两家上市公司的数据，来深入探讨这一问题：

1）大模型究竟需要怎样的投入要素和密度？

2）算力在其中扮演了什么角色？

3）模型经济学如何平衡？

4）大模型的终极商业模式是怎样的？

以下是详细分析

一、收入高涨，投入惊人

Minimax和智谱两家公司，以其“短小精悍”的特点——人员少、产品迭代快、收入增长迅速，在短短几年内收入便迅速迈向亿美金级别。然而，在支出层面，再高的收入都被凶猛的投入比得相形见绌。

尽管两家公司在收入增长过程中保持了高毛利，但支出（包括成本和运营开支）总和基本在当期收入的10倍上下。Minimax 2025年前九个月的收入快速增加后，支出仍然是收入的5倍以上；而智谱到了2025年上半年，情况更加不容乐观。

这里的核心问题是：对于模型公司而言，收入越大、亏损率收窄，还是收入越大、亏损率越高的规模不经济结局？

二、人才成本：核心还是非核心？

两家公司员工整体都没超过1000人，尤其是Minimax都不足400人；两家公司研发人员都接近75%，单人头月成本在6.5-8.5万元人民币（不含期权激励），其中Minimax研发人员单人月成本更是高达16万。

Minimax因人员精炼，收入扩大过程中薪资支出至少已能够收入覆盖。而智谱因为商业变现上主要是to B落地，需要匹配更多销售人员；加之研发上对通用模型着力更高，人力成本改善并不明显。

从这两家公司可以看出，大模型在人力上的投入更多是人才“脑力”密度的投入，而非人力密度的投入。Minimax的人才密度可能预示了AI时代互联网公司的人力结构雏形：少而精的大模型研发人才。

三、创收与投入：何时能平衡？

尽管薪资成本基本已把当期的收入“吃光”，相比于算力投入，人力薪资只是小菜一碟。薪资至少可以随着收入的扩张而有效稀释，但算力投入从两家目前的情况看下来，是一个比收入增长斜率更高的投入类型。

两家公司使用的都是第三方云服务，而非OpenAI高度自控数据中心的方式。大模型公司的报表中，算力的使用都分为了训练算力和推理算力。

模型训练阶段需要研发投入，在产品投用（模型进入推理场景）之前，对应的模型训练支出是推出产品之前的“沉淀支出”，计入研发费用当中。而研发好的模型投入了推理使用场景中后，产生的收益记为收入，推理阶段模型对于算力的消耗则记为直接成本。

训练算力的投入全部占到了总支出的50%以上，是开支的绝对大头。这一占比直接量化了海豚君在《AI泡沫“原罪”：英伟达是AI戒不掉的“兴奋剂”？》中所说的算力吸空产业链利润的说法。

四、大模型的商业模式：挑战与机遇

大模型动辄100%的亏损率再次形象地说明了它的研发是一个人才+算力+数据三重密集的商业模式。

强投入和快迭代的共振本质上是把一个资金密集性业务做成了利润表上的生意。而当它具备长期的经济和商业价值时，就是模型回归成真正的“资产负债表”业务——模型不再需要年年投。

1）算力：节节高的“固定资产投入”

以Minimax和智谱为例，研发一代模型的成本在四、五千万美金之间；而下一代模型的训练成本更是指数级提升。如此高的算力投入无法做摊销折旧，只能全部计入当期的研发费用中。

2）快迭代：收入vs 投入，追不上的“猫鼠游戏”？

尽管收入跑不过训练成本，但公司仍需要不断融资以维持模型的研发。这种持续滚雪球式的投入和产出模式使得模型公司必须不断融资才能维持生存。

总结与展望

在大模型的资本游戏中，唯有那些能够持续融资且具备核心人才、强大模型和快速产品落地能力的公司才能走得更远。在这场残酷的资本竞赛中，真正的赢家将是那些能够在人才、技术和商业落地方面均表现优异的企业。